r - 在 R 中拆分逗号和分号分隔的字符串

Question

我正在尝试拆分包含两个条目的字符串，每个条目都有特定的格式:

• 类别(例如 active site/region)后跟 :
• 术语(例如 His、Glu/nucleotide-binding motif A)后跟 ,

这是我要拆分的字符串:

string <- "active site: His, Glu,region: nucleotide-binding motif A,"

到目前为止，这是我尝试过的。除了两个空子字符串外，它会产生所需的输出。

unlist(str_extract_all(string, ".*?(?=,(?:\\w+|$))"))

[1] "active site: His, Glu"              ""                                   "region: nucleotide-binding motif A"
[4] "" 

如何去掉空子串？

Answer 1

你得到空字符串是因为 .*? 也可以匹配空字符串，其中断言 (?=,(?:\\w+|$)) 是是的

您可以在匹配 :

之前使用否定字符类排除匹配冒号或逗号

[^:,\n]+:.*?(?=,(?:\w|$))

解释

• [^:,\n]+ 匹配除 : , 或换行符以外的 1+ 个字符
• :匹配冒号
• .*? 尽可能匹配任何字符
• (?= 正面前瞻，断言当前位置的右边是什么:
  • , 字面匹配
  • (?:\w|$) 匹配单个单词字符，或断言字符串结尾
• ) 关闭前瞻

Regex demo | R demo

string <- "active site: His, Glu,region: nucleotide-binding motif A,"
unlist(str_extract_all(string, "[^:,\\n]+:.*?(?=,(?:\\w|$))"))

输出

[1] "active site: His, Glu"              "region: nucleotide-binding motif A"